布朗运动 1 | 基本概念与性质
文章目录
- 5.1 布朗运动概念
- 5.2 正态分布相关理论
- 5.2.1 柯西分布与高斯随机变量
- 5.2.2 区域分布与互相关系数的关系
- 5.2.3 贝叶斯定理与条件分布密度表示理论
- 5.2.4 联合正态分布的边缘分布密度与条件分布密度
- 5.2.5 几个基本关系式
- 5.2.6 反正弦率
- 5.2.7 零交叉问题
- 5.2.8 正态分布拖尾概率估计
- 5.3 布朗运动
- 5.3.1 有限维联合概率密度
- 5.3.2 布朗运动的性质
- 5.3.3 正态过程
- 5.3.4 马尔可夫性
- 5.3.5 反射性
- 5.3.6 时间可逆性
5.1 布朗运动概念
定义:若一个随机过程 {X(t),t≥0}\{X(t),t\ge0\}{X(t),t≥0} 满足
- X(t)X(t)X(t) 是独立增量过程;
- ∀s,t≥0,X(t+s)−X(s)∼N(0,c2t)\forall s,t\ge0, X(t+s)-X(s)\sim {\mathcal N}(0,c^2t)∀s,t≥0,X(t+s)−X(s)∼N(0,c2t);
- X(t)X(t)X(t) 关于 ttt 是连续函数;
则称 X(t)X(t)X(t) 是布朗运动或维纳过程。
可以验证 R(t1,t2)=E[X(t1)X(t2)]=c2(t1∧t2)R(t_1,t_2) = {\mathbb E}[X(t_1)X(t_2)]=c^2(t_1\wedge t_2)R(t1,t2)=E[X(t1)X(t2)]=c2(t1∧t2),所以布朗运动是非平稳过程。
5.2 正态分布相关理论
5.2.1 柯西分布与高斯随机变量
问题 1:求 Z=X/YZ=X/YZ=X/Y 的概率分布与分布密度函数。
定理 5.1:设 X1,X2X_1,X_2X1,X2 是独立的均值为 000,方差为 111 的正态分布随机变量,则 X1/∣X2∣X_1/|X_2|X1/∣X2∣ 服从 Cauchy 分布,分布密度函数为:f(x)=1/π(1+x2),−∞<x<∞f(x)=1/\pi(1+x^2), -\infty < x < \inftyf(x)=1/π(1+x2),−∞<x<∞,相应的概率分布函数为 F(x)=1/2+π−1arctanx,−∞<x<∞F(x)=1/2 + \pi^{-1}\arctan x, -\infty < x < \inftyF(x)=1/2+π−1arctanx,−∞<x<∞。
5.2.2 区域分布与互相关系数的关系
定义 sinα=E[XY]E[X2]E[Y2]=r\sin \alpha = \frac{{\mathbb E}[XY]}{\sqrt{{\mathbb E}[X^2]{\mathbb E}[Y^2]}}=rsinα=E[X2]E[Y2]E[XY]=r,那么 P(X>0,Y>0)=P(X<0,Y<0)=1/4+α/2πP(X > 0,Y > 0) = P(X < 0, Y < 0)=1/4 + \alpha / 2\piP(X>0,Y>0)=P(X<0,Y<0)=1/4+α/2π,P(X<0,Y>0)=P(X>0,Y<0)=1/4−α/2πP(X < 0,Y > 0) = P(X > 0, Y < 0)=1/4 - \alpha / 2\piP(X<0,Y>0)=P(X>0,Y<0)=1/4−α/2π。
证明:略。
5.2.3 贝叶斯定理与条件分布密度表示理论
贝叶斯定理:fY(y∣X=x)=fX(x∣Y=y)fY(y)fX(x)f_Y(y|X=x)=\frac{f_X(x|Y=y)f_Y(y)}{f_X(x)}fY(y∣X=x)=fX(x)fX(x∣Y=y)fY(y)。
该定理在讨论条件概率问题时,把需要利用分布函数讨论的问题转化为利用分布密度函数来讨论,简化了问题的讨论。
5.2.4 联合正态分布的边缘分布密度与条件分布密度
略。
5.2.5 几个基本关系式
假设 X,YX,YX,Y 服从均值为 0 的联合正态分布,则 E[XY]=rσ1σ2{\mathbb E}[XY] = r\sigma_1\sigma_2E[XY]=rσ1σ2,E[X2Y2]=E[X2]E[Y2]+2E2[XY]{\mathbb E}[X^2Y^2]={\mathbb E}[X^2]{\mathbb E}[Y^2] + 2{\mathbb E}^2[XY]E[X2Y2]=E[X2]E[Y2]+2E2[XY],E[∣XY∣]=2σ1σ2π(cosα+sinα){\mathbb E}[|XY|] = \frac{2\sigma_1\sigma_2}{\pi}(\cos\alpha+\sin\alpha)E[∣XY∣]=π2σ1σ2(cosα+sinα),其中 r=sinα,−π/2<α≤π/2r=\sin\alpha, -\pi/2 < \alpha \le \pi/2r=sinα,−π/2<α≤π/2。
证明:略。
5.2.6 反正弦率
设 X(t)X(t)X(t) 为平稳过程,且 X(t+τ),X(t)X(t+\tau),X(t)X(t+τ),X(t) 的联合分布服从正态分布,对 X(t)X(t)X(t) 进行非线性运算
Y(t)={1,X(t)≥0−1,X(t)<0Y(t) = \begin{cases} 1, & X(t)\ge0 \\ -1, & X(t) < 0 \end{cases} Y(t)={1,−1,X(t)≥0X(t)<0
那么有 E[Y(t+τ)Y(t)]=2α/π{\mathbb E}[Y(t+\tau)Y(t)]=2\alpha / \piE[Y(t+τ)Y(t)]=2α/π。随机变量 X(t+τ),X(t)X(t+\tau),X(t)X(t+τ),X(t) 联合正态,那么 r=R(τ)/R(0)=sinαr=R(\tau)/R(0)=\sin\alphar=R(τ)/R(0)=sinα,于是有 RY(τ)=2πarcsinR(τ)R(0)R_Y(\tau)= \frac{2}{\pi} \arcsin{\frac{R(\tau)}{R(0)}}RY(τ)=π2arcsinR(0)R(τ)。
5.2.7 零交叉问题
略。
5.2.8 正态分布拖尾概率估计
定理 5.2(Mill比值):对任意的 x>0x > 0x>0 有 x1+x2e−x2/2<∫x∞e−u2/2du<1xe−x2/2\frac{x}{1+x^2} e^{-x^2/2} < \int_x^\infty e^{-u^2/2}du < \frac{1}{x} e^{-x^2/2}1+x2xe−x2/2<∫x∞e−u2/2du<x1e−x2/2。特别的,当 x→∞x\to\inftyx→∞ 时有 ∫x∞e−u2/2du≈1xe−x2/2\int_x^\infty e^{-u^2/2}du \approx \frac{1}{x} e^{-x^2/2}∫x∞e−u2/2du≈x1e−x2/2。
5.3 布朗运动
5.3.1 有限维联合概率密度
定理 5.3:设 {B(t),t≥0}\{B(t),t\ge0\}{B(t),t≥0} 为标准的布朗运动,令 x0=0,t0=0x_0=0,t_0=0x0=0,t0=0,则当 B(0)=0B(0)=0B(0)=0 时,对 ∀0<t1<t2<⋯<tn\forall 0 < t_1 < t_2 < \cdots < t_n∀0<t1<t2<⋯<tn,(B(t1),B(t2),...,B(tn))(B(t_1),B(t_2),...,B(t_n))(B(t1),B(t2),...,B(tn)) 的联合概率密度函数为 g(x1,x2,...,xn;t1,t2,...,tn)=Πi=1np(xi−xi−1;ti−ti−1)g(x_1,x_2,...,x_n; t_1,t_2,...,t_n) = \Pi_{i=1}^n p(x_i-x_{i-1}; t_i-t_{i-1})g(x1,x2,...,xn;t1,t2,...,tn)=Πi=1np(xi−xi−1;ti−ti−1),其中 p(x;t)=12πtexp(−x2/2t)p(x;t)=\frac{1}{\sqrt{2\pi t}}\exp(-x^2/2t)p(x;t)=2πt1exp(−x2/2t)。
5.3.2 布朗运动的性质
下面考虑标准布朗运动(即取 c=1c=1c=1)的性质。
平移特性:对任意的 s>0s > 0s>0,Bs(t)=B(t+s)−B(s),t≥0B_s(t)=B(t+s)-B(s),t\ge0Bs(t)=B(t+s)−B(s),t≥0 是标准布朗运动;
伸缩性:对任意的 c>0c > 0c>0,{cB(t/c),t≥0}\{\sqrt{c} B(t/c), t\ge0\}{cB(t/c),t≥0} 是标准布朗运动;
对称性:{−B(t),t≥0}\{-B(t),t\ge0\}{−B(t),t≥0} 是标准布朗运动;
鞅性:略。
其余还有正态过程性质、马尔可夫性质、反射性质、时间可逆性等在后面详细解释。
5.3.3 正态过程
定义:若随机过程 {X(t),t∈T}\{X(t),t\in T\}{X(t),t∈T},对任意 ti∈T,i=1,2,...,nt_i\in T,i=1,2,...,nti∈T,i=1,2,...,n 有 X(t1),...,X(tn)X(t_1),...,X(t_n)X(t1),...,X(tn) 的联合分布为 nnn 维正态分布,则称 {X(t),t∈T}\{X(t),t\in T\}{X(t),t∈T} 为正态过程。
定理 5.4:设 {B(t),t≥0}\{B(t),t\ge 0\}{B(t),t≥0} 是正态过程,轨道连续,B(0)=0,∀s,t>0B(0)=0,\forall s,t>0B(0)=0,∀s,t>0,有 EB(t)=0,E[B(s)B(t)]=s∧t{\mathbb E}B(t)=0, {\mathbb E}[B(s)B(t)]=s\wedge tEB(t)=0,E[B(s)B(t)]=s∧t,则 {B(t),t≥0}\{B(t),t\ge0\}{B(t),t≥0} 是布朗运动,反之亦然。
证明:充分性易证。必要性证明,验证布朗运动有关条件:1)∀t,s≥0\forall t, s \ge0∀t,s≥0,可以验证增量 B(t)−B(s)∼N(0,∣t−s∣)B(t)-B(s) \sim {\mathcal N}(0,|t-s|)B(t)−B(s)∼N(0,∣t−s∣) 是零均值正态随机变量;2)再验证独立增量过程,而验证两个高斯分布的独立性只需要证明他们的互相关为 0,细节略。
5.3.4 马尔可夫性
正向马尔可夫性:∀t1<t2<⋯<tn\forall t_1 < t_2 < \cdots < t_n∀t1<t2<⋯<tn,在给定 B(t1),..,B(tn−1)B(t_1),..,B(t_{n-1})B(t1),..,B(tn−1) 下,B(tn)B(t_n)B(tn) 的条件概率密度函数与只给定 B(tn−1)B(t_{n-1})B(tn−1) 下 B(tn)B(t_n)B(tn) 的条件概率密度相同。
反向马尔可夫性:同理。
中间关于两侧的马尔可夫性:∀t1<t2<⋯<tn\forall t_1 < t_2 < \cdots < t_n∀t1<t2<⋯<tn,在给定 ...,B(ti−1),B(ti+1),......,B(t_{i-1}),B(t_{i+1}),......,B(ti−1),B(ti+1),... 下,B(ti)B(t_i)B(ti) 的条件概率密度函数与只给定 B(ti−1),B(ti+1)B(t_{i-1}), B(t_{i+1})B(ti−1),B(ti+1) 下 B(ti)B(t_i)B(ti) 的条件概率密度相同。
下面讨论 B(t2)B(t_2)B(t2) 关于给定 B(t1),B(t3)B(t_1),B(t_3)B(t1),B(t3) 的条件概率密度。
定理5.5:对 0≤t1<t<t20\le t_1 < t <t_20≤t1<t<t2,给定 B(t1)=a,B(t2)=b,B(0)=0B(t_1)=a, B(t_2)=b, B(0)=0B(t1)=a,B(t2)=b,B(0)=0,则 B(t)B(t)B(t) 的条件概率密度是一个正态密度,其均值为 a+(b−a)(t−t1)/(t2−t1)a + (b-a)(t-t_1)/(t_2-t_1)a+(b−a)(t−t1)/(t2−t1),方差为 (t2−t)(t−t1)/(t2−t1)(t_2-t)(t-t_1) / (t_2-t_1)(t2−t)(t−t1)/(t2−t1)
证明:由于 B(t)B(t)B(t) 为正态过程,b=B(t1),B(t),B(t2){\boldsymbol b}=B(t_1),B(t),B(t_2)b=B(t1),B(t),B(t2) 服从联合高斯分布,其均值为 μ=[0,0,0]T{\boldsymbol \mu}=[0,0,0]^{\mathrm T}μ=[0,0,0]T,协方差矩阵
Σ=E[bbT]=[t1t1t1t1ttt1tt2]\Sigma = {\mathbb E}[{\boldsymbol b}{\boldsymbol b}^{\mathrm T}] = \begin{bmatrix} t_1 & t_1 & t_1 \\ t_1 & t & t \\ t_1 & t & t_2 \end{bmatrix} Σ=E[bbT]=⎣⎡t1t1t1t1ttt1tt2⎦⎤
直接根据高斯分布向量的条件分布即可得到。
Remark:实际上 E[B(t)∣B(t1),B(t2)]{\mathbb E}[B(t) | B(t_1),B(t_2)]E[B(t)∣B(t1),B(t2)] 是关于 ttt 的线性函数。
5.3.5 反射性
反射性:对 a>0a > 0a>0,定义 τa=inf{t:B(t)=a}\tau_a=\inf\{t: B(t)=a\}τa=inf{t:B(t)=a} 表示首次击中时间,定义 B∗(t)={B(t),t≤τa2a−B(t),t>τaB^{\ast}(t)=\begin{cases} B(t), & t \le \tau_a \\ 2a-B(t), & t > \tau_a \end{cases}B∗(t)={B(t),2a−B(t),t≤τat>τa,则 {B∗(t),t≥0}\{B^\ast(t),t\ge0\}{B∗(t),t≥0} 是标准布朗运动;
证明:略。
5.3.6 时间可逆性
时间可逆性:定义 B′(t)={tB(1/t),t>00,t=0B'(t)=\begin{cases} tB(1/t), & t > 0 \\ 0, & t=0 \end{cases}B′(t)={tB(1/t),0,t>0t=0,则 {B′(t),t≥0}\{B'(t),t\ge0\}{B′(t),t≥0} 是标准布朗运动;
证明:B(t)B(t)B(t) 是正态过程,根据前面正态过程的定义,可以得到 tB(1/t)tB(1/t)tB(1/t) 也是正态过程。再根据定理 5.4 可以验证条件 E[B′(t)B′(s)]=s∧t{\mathbb E}[B'(t)B'(s)]=s\wedge tE[B′(t)B′(s)]=s∧t,关于在 t=0t=0t=0 点的连续性稍复杂,省略。由此可以证明 B′(t)B'(t)B′(t) 是布朗运动。
最后给我的博客打个广告,欢迎光临
https://glooow1024.github.io/
https://glooow.gitee.io/
前面的一些博客链接如下
泛函分析专栏
高等数值分析专栏
随机过程专栏
随机过程1 绪论
随机过程2 平稳过程与二阶矩
离散鞅论1 | 基本概念
离散鞅论2 | 停时与停时定理
离散鞅论3 | 鞅论应用
泊松过程1 | 定义与基本性质
泊松过程2 | 泊松过程扩展
布朗运动 1 | 基本概念与性质
布朗运动 2 | 布朗运动的推广
马尔可夫过程1 | 基本概念
马尔可夫过程2 | 状态空间
连续参数马尔可夫链
布朗运动 1 | 基本概念与性质相关推荐
- Page9:结构分解以及系统内部稳定和BIBO稳定概念及其性质[Linear System Theory]
内容包含系统能控性结构分解.系统能观测性结构分解以及系统结构规范分解原理,线性系统的内部稳定.BIBO稳定概念及其性质 转载于:https://www.cnblogs.com/ERFishing/p/ ...
- 高等数学:第十一章 无穷级数(1)常数项技术的概念、性质、审敛法、幂级数
§11.1 常数顶级数的概念和性质 一.级数的定义 若给定一个数列 ,由它构成的表达式 (1) 称之为常数项无穷级数,简称级数,记 ...
- 5.1 定积分的概念与性质
本篇开始,我们总结定积分的相关内容,本篇主要内容是定积分的引入.概念和性质 引入 记得作者在序章中讲高数研究的主要对象时,讲过两个例子分别对应微分问题和积分问题,这次我们就引入一个跟当时的例2类似的例 ...
- 067 定积分的概念与性质
067 定积分的概念与性质
- 树和二叉树的基本概念及性质
目录 一.树概念及性质 1.树的概念 2.树的部分性质 3.树的表示 二. 二叉树概念及结构 1.概念 2.特殊的二叉树: 1.满二叉树 2.完全二叉树 3.二叉树的性质 4.堆的概念及结构 一.树概 ...
- 二叉树的基本概念以及性质
二叉树的基本概念以及性质 1.二叉树的定义 1.1 特殊的二叉树 2. 二叉树的性质 1.二叉树的定义 二叉树是由一个根结点和两棵称为左子树和右子树的二叉树构成,有左右的顺序之分.所以三个结点的树只有 ...
- 函数极限的概念及性质
没看过数列极限的可以先看看: 数列极限的概念及性质 函数极限的概念 函数 定义 函数的连续 函数的极限 函数极限的描述性定义 函数极限的定义 函数极限的几何意义 例题 函数极限的性质 三个性质 例题 ...
- 人工智能数学基础--不定积分1:概念与性质
一.引言 导数运算是根据一个函数求该函数对应导数的运算,导数本质上反映了函数在函数某点的运动态势,而不定积分则是根据一个已知的导函数求原函数,因此二者可以说是逆运算. 二.定义 2.1. 原函数定义 ...
- 高等数学:第四章 不定积分(1)不定积分的概念与性质 换元积分法
§4.1 不定积分的概念与性质 一.原函数的概念 [定义]已知是一个定义在区间内的函数,如果存在着函数, 使得对内任何一点,都有 或 那么函数就称为在区间内的原函数. 例如:是在区 ...
- 【数论】同余(一):同余的基本概念与性质
同余问题共7part,我的博客链接: 基本概念与性质 逆元:概念.求解方法与推导 线性同余方程 一元线性同余方程 一元线性同余方程组 多元线性同余方程 高次同余方程:BSGS算法(大小步算法.拔山盖世 ...
最新文章
- Linux /etc/skel目录
- java关于包的叙述_Java中构造方法,包的引用,final,super等词的概括
- python表白程序exe_我喜欢你 抖音表白程序python版
- 集合打印出来的信息不是输入的信息
- 掌握大数据数据分析师吗?_要掌握您的数据吗? 这就是为什么您应该关心元数据的原因...
- 冒泡排序算法的 JavaScript 实现
- java接口可以接两个吗,接口可以在Java中扩展多个接口吗?
- java垃圾收集器zgc_java虚拟机ZGC垃圾收集器的实现方法
- 从零开始微信小游戏(cocos creator)
- 学习【瑞吉外卖①】SpringBoot单体项目
- 小米路由器刷Xiaomi Mi WiFi Mini openwrt
- 程序员如何编写高大上且实用的技术文档--转
- DDD不够好用,你需要学习如何进行弹性软件系统设计
- 作为一个数学专业的学生,我是怎么看待编程的?
- 查尔斯·巴贝奇——计算机先驱者之父
- gradle初始化失败:Errors occurred while build effective model from
- 网件r6800,r6900v2,r7250刷老毛子(pandvan)教程
- 酷柚易汛进销存-商品的多单位如何设置?
- 微型计算机中的内存储器功能,微型计算机中的内存储器的功能是()。
- 二维数组查找数字--C语言